GitHub 上最火的 Python 开源项目

2017 年 9 月 7 日 程序猿

来自：开源最前线（ID：OpenSourceTop），作者：猿妹

链接：https://www.itcodemonkey.com/article/634.html

许多开发者都有定期浏览 GitHub 的习惯，对于 GitHub 上如此众多的项目，有人不断分享，有人不断 Mark。每个人浏览的时候，都会注意到 Star 的数量，它代表着这个项目的热度，今天，我们依照 Star 数，盘点 GitHub 上Python 语言中最火的 15 个开源项目，希望对你有帮助，排名如下：

机器学习系统 tensorflow

https://github.com/tensorflow/tensorflow Star 68481

Google 的 TensorFlow 是最流行的开源 AI 库之一。它的高计算效率，丰富的开发资源使它被企业和个人开发者广泛采用。TensorFlow 是一个采用数据流图，用于数值计算的开源软件库。TensorFlow 最初由Google 大脑小组（隶属于 Google 机器智能研究机构）的研究员和工程师们开发出来，用于机器学习和深度神经网络方面的研究，但这个系统的通用性使其也可广泛用于其他计算领域。想要更深入了解可点击《快速入门 Google 机器学习系统 TensorFlow》

oh-my-zsh

https://github.com/robbyrussell/oh-my-zsh Star 58473

oh-my-zsh 是基于 zsh 的功能做了一个扩展，方便的插件管理、主题自定义，以及漂亮的自动完成效果。 Zsh 和 bash 一样，是一种 Unix shell，但大多数 Linux 发行版本都默认使用 bash shell。但 Zsh 有强大的自动补全参数、文件名、等功能和强大的自定义配置功能。

命令行 HTTP 工具包 httpie

https://github.com/jakubroztocil/httpie Star 31248

HTTPie 是一个命令行 HTTP 客户端，提供命令行交互方式来访问 HTTP 服务。其目标是使CLI 与 Web 服务的交互尽可能人性化。它提供了一个简单的 http 命令，允许使用简单自然的语法发送任意 HTTP 请求。

shell 命令行拓展 thefuck

https://github.com/nvbn/thefuckhttps://github.com/nvbn/thefuck Star 30532

首先这个项目的名字就很引人注目，取名为 thefuck 的原因是任何情况下你想说“我操”，你都可以用得到 thefuck。theFuck 是一个高可配置的应用，用户可以开启或关闭规则、配置 UI、设置规则选项还有进行其他的操作。Fuck 的 UI 很简单，它允许用户通过（上下）箭头的方式在修正过的命令列表中进行选择，使用 Enter 来确认选择，Ctrl+C 来跳出程序。不足的是在 Python 标准库中没有办法在非 Windows 下不通过 curses 来读取键盘输入

微型 Python 框架 Flask

https://github.com/pallets/flask Star 29399

Flask 是一个微型的 Python 开发的 Web 框架，基于Werkzeug WSGI工具箱和Jinja2 模板引擎。 Flask 使用 BSD 授权。 Flask 也被称为“microframework”，因为它使用简单的核心，用 extension 增加其他功能。Flask 没有默认使用的数据库、窗体验证工具。然而，Flask 保留了扩增的弹性，可以用 Flask-extension 加入这些功能：ORM、窗体验证工具、文件上传、各种开放式身份验证技术。

Python Web 框架 Django

https://github.com/django/django Star 27899

Django 是 Python 编程语言驱动的一个开源模型-视图-控制器（MVC）风格的 Web 应用程序框架。但是在Django中，控制器接受用户输入的部分由框架自行处理，所以 Django 里更关注的是模型(Model)、模板(Template)和视图(Views)，称为 MTV 模式。使用 Django，我们在几分钟之内就可以创建高品质、易维护、数据库驱动的应用程序。

jQuery-File-Upload

https://github.com/blueimp/jQuery-File-Upload Star 27398

jQuery File Upload 是一个 jQuery 图片上传组件，支持多文件上传、取消、删除，上传前缩略图预览、列表显示图片大小，支持上传进度条显示；支持各种动态语言开发的服务器端。

Python 的 HTTP 客户端库 requests

https://github.com/requests/requests Star 27210

requests 是 Python 的一个 HTTP 客户端库，跟 urllib，urllib2 类似，那为什么要用 requests 而不用 urllib2 呢？以为 Python 的标准库 urllib2 提供了大部分需要的 HTTP 功能，但是API太逆天了，一个简单的功能就需要一大堆代码。看了 requests 的文档，确实很简单，尤其适合懒人。

计算机系统配置管理器 ansible

https://github.com/ansible/ansible Star 25132

Ansible 提供一种最简单的方式用于发布、管理和编排计算机系统的工具，你可在数分钟内搞定。Ansible 是一个模型驱动的配置管理器，支持多节点发布、远程任务执行。默认使用 SSH 进行远程连接。无需在被管理节点上安装附加软件，可使用各种编程语言进行扩展。

Web 爬虫框架 scrapy

https://github.com/scrapy/scrapy Star 22407

Scrapy 是 Python 开发的一个快速,高层次的屏幕抓取和 Web 抓取框架，用户只需要定制开发几个模块就可以轻松的实现一个爬虫，用来抓取网页内容以及各种图片，非常之方便。Scrapy用途广泛，可以用于数据挖掘、监测和自动化测试。

Scrapy 吸引人的地方在于它是一个框架，任何人都可以根据需求方便的修改。它也提供了多种类型爬虫的基类，如 BaseSpider、sitemap 爬虫等

Python 的机器学习项目 scikit-learn

https://github.com/scikit-learn/scikit-learn Star 20908

scikit-learn 是一个 Python 的机器学习项目。是一个简单高效的数据挖掘和数据分析工具。基于 NumPy、SciPy 和 matplotlib 构建。基于 BSD 源许可证。scikit-learn 的基本功能主要被分为六个部分，分类，回归，聚类，数据降维，模型选择，数据预处理

神经网络库 keras

https://github.com/fchollet/keras Star 19132

Keras 是一个极简的、高度模块化的神经网络库，采用 Python（Python 2.7-3.5.）开发，能够运行在 TensorFlow 和 Theano 任一平台，好项目旨在完成深度学习的快速开发。keras 的几大特点：文档齐全、上手快速、纯 Python 编写、关注度高更新迅速、论坛活跃、就是运行速度不太快，当然，有的人就是不 care 速度

Web 服务器 Tornado

https://github.com/tornadoweb/tornado Star14178

Tornado 是使用 Python 开发的全栈式（full-stack）Web框架和异步网络库，最早由 Friendfeed 开发。通过使用非阻塞 IO，Tornado 可以处理数以万计的开放连接，是 long polling、WebSockets 和其他需要为用户维护长连接应用的理想选择。Tornado 跟其他主流的Web服务器框架（主要是 Python 框架）不同是采用 epoll 非阻塞 IO，响应快速，可处理数千并发连接，特别适用用于实时的 Web 服务。

Python 解释器 CPython

https://github.com/python/cpython Star 12609

CPython 是用C语言实现的 Python 解释器，也是官方的并且是最广泛使用的Python解释器。除了 CPython 以外，还有用 JAVA 实现的 Jython 和用 .NET 实现的 IronPython，使 Python 方便地和 JAVA 程序、.NET 程序集成。另外还有一些实验性的 Python 解释器比如 PyPy。

CPython 是使用字节码的解释器，任何程序源代码在执行之前先要编译成字节码。它还有和几种其它语言（包括C语言）交互的外部函数接口。

工具包 CNTK

https://github.com/Microsoft/CNTK Star 12225

来自微软公司的 CNTK 工具包的效率，“比我们所见过的都要疯狂”。这部分归功于 CNTK 可借助图形处理单元（GPU）的能力，微软自称是唯一公开“可扩展 GPU”功能的公司。（从单机上的 1 个、延伸至超算上的多个）在与该公司的网络化 GPU 系统（称之为Azure GPU Lab）匹配之后，它将能够训练深度神经网络来识别语音，让 Cortana 虚拟助理的速度达到以前的十倍。去年 4 月的时候，CNTK 就已经面向研究人员开放，只是当时的开源授权限制颇多。不过现在，它已经彻底开放了，而深度学习的初创者们将最为受益。

●本文编号2605，以后想阅读这篇文章直接输入2605即可

●输入m获取文章目录

推荐↓↓↓